基于支持向量机的股票量化交易策略研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 引言 | 第8页 |
| 1.2 研究的背景及意义 | 第8页 |
| 1.3 国内外研究现状 | 第8-10页 |
| 1.3.1 国内相关文献综述 | 第8-10页 |
| 1.3.2 国外相关文献综述 | 第10页 |
| 1.4 研究的主要内容 | 第10页 |
| 1.5 创新之处与拟解决的关键问题 | 第10-12页 |
| 2 统计学习理论及分类方法 | 第12-20页 |
| 2.1 分类方法种类及其优劣势 | 第12-15页 |
| 2.2 支持向量机理论 | 第15-16页 |
| 2.2.1 线性可分支持向量机 | 第15-16页 |
| 2.2.2 函数间隔与几何间隔 | 第16页 |
| 2.3 SVM模型目标函数与优化 | 第16-17页 |
| 2.4 多分类问题 | 第17-19页 |
| 2.4.1 一对一问题 | 第17-18页 |
| 2.4.2 一对多问题 | 第18页 |
| 2.4.3 多对多问题 | 第18-19页 |
| 2.5 评价标准 | 第19-20页 |
| 3 分类预测问题的建立 | 第20-26页 |
| 3.1 模型输入变量和输出变量的选取 | 第20页 |
| 3.2 模型参数寻优 | 第20-21页 |
| 3.3 粒子群算法基本思想 | 第21页 |
| 3.4 粒子群算法的主要流程 | 第21-22页 |
| 3.5 模型的评价指标 | 第22-23页 |
| 3.6 模型总流程 | 第23-24页 |
| 3.7 分析结论 | 第24-26页 |
| 4 分类选股建模及实证分析 | 第26-35页 |
| 4.1 分类问题的基本流程 | 第26页 |
| 4.2 数据获取 | 第26-27页 |
| 4.3 数据预处理 | 第27-29页 |
| 4.4 数据标准化 | 第29页 |
| 4.5 主成分分析(特征提取) | 第29-31页 |
| 4.6 核参数选取及参数的选取 | 第31-32页 |
| 4.6.1 核参数选取 | 第31页 |
| 4.6.2 最优参数选取 | 第31-32页 |
| 4.7 分析结论 | 第32-35页 |
| 5 模型策略改进 | 第35-41页 |
| 5.1 因子组合模型理论的提出 | 第35页 |
| 5.2 数据说明 | 第35页 |
| 5.3 策略回测和结论 | 第35-41页 |
| 6 结论和研究展望 | 第41-42页 |
| 6.1 研究结论 | 第41页 |
| 6.2 研究展望 | 第41-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 附录 | 第45-51页 |
